实验设计指南 > 确定性筛选设计 > 确定性筛选设计的更多示例 > 包含分区组的确定性筛选设计的示例
发布日期: 09/18/2023

包含分区组的确定性筛选设计的示例

本例使用包含分区组变量的确定性筛选设计。假定因原材料约束,萃取实验要求您使用两个不同批的材料来执行该实验。分区组变量可以解释可能存在的批变异。

创建设计

萃取因子及其设置在数据表 Extraction Factors.jmp 中提供。生成包含区组的确定性筛选设计:

1. 选择实验设计 > 确定性筛选 > 确定性筛选设计

2. 双击“响应名称”下的 Y,然后键入产量

3. 选择帮助 > 样本数据文件夹,然后打开 Design Experiment/Extraction Factors.jmp

4. 点击“确定性筛选设计”旁边的红色小三角并选择加载因子

因子名称和范围将添加到“因子”部分。

5. 点击继续

“设计选项”部分随即打开。您可以在此指定分区组结构。

6. 选择添加包含中心试验的区组以估计二次效应

保持区组数设置为 2。

您要为 Extraction2 Data.jmp 样本数据表重新创建设计,该数据表在创建时未使用额外试验。尽管极力推荐使用额外试验,在本例中仍不添加额外试验。

7. 额外试验次数旁边,选择 0。

8. 点击制作设计

“确定性筛选设计”窗口更新,以显示“设计”部分和“设计评估”部分。

检查该区组是否已添加至“因子”部分和设计中。

9. 在“因子”部分中,双击区组并键入

在“输出选项”面板中,请注意“试验顺序”设置为区组内随机。

10. 点击制表

注意:您设计中的试验的显示顺序可能不同于图 8.13 中显示的顺序。

图 8.13 针对萃取过程的包含区组的确定性筛选设计 

Definitive Screening Design with Block for Extraction Process

请注意,试验 1 是“第 1 批”中的中心点试验,试验 14 是“第 2 批”中的中心点试验。

分析实验数据

此时,执行实验并将数据记录在设计表的产量列中(图 8.13)。Extraction2 Data.jmp 样本数据表包含您的实验结果。Extraction2 Data.jmp 样本数据表中试验的顺序不同于图 8.13 中的顺序。

要探索所有二阶效应,其中一个选项就是使用“所有可能的模型”回归。另一个选项是使用向前逐步回归。不过,这些标准方法往往无法标识活跃效应。出于此原因,您需要使用“拟合确定性筛选”平台。

1. 选择帮助 > 样本数据文件夹,然后打开 Design Experiment/Extraction2 Data.jmp

2. 在设计表的“表”面板中,点击拟合确定性筛选脚本旁边的绿色小三角。

图 8.14 “拟合确定性筛选”报表 

Fit Definitive Screening Report

“拟合确定性筛选”标识为可能活跃的效应都列在“组合模型参数估计值”报表中。

3. 点击“组合模型参数估计值”报表底部的运行模型按钮。

这将使用标准最小二乘法模型来拟合标识为可能活跃的效应。

图 8.15 “标准最小二乘法”报表 

Standard Least Squares Report

“预测值-实际值图”显示没有证据表明失拟。“效应汇总”报表显示甲醇*乙醇甲醇*甲醇不显著。您决定从模型中删除这些效应。

4. 在“效应汇总”报表中选择“甲醇*乙醇”和“甲醇*甲醇”,然后点击删除

图 8.16 最终的活跃效应集 

Final Set of Active Effects

其余效应全部显著。您推断这些是活跃效应。

需要更多信息?有问题?从 JMP 用户社区得到解答 (community.jmp.com).